Gemini 4 Argon 四智能体自主通关《我的世界》

研究团队让四个 Gemini 4 Argon 编码智能体从零开始协作通关《我的世界》,耗时 27 小时 14 分击败末影龙,全程未使用人类编写的游戏专用工具。

研究团队让四个 Gemini 4 Argon 编码智能体从零开始协作通关《我的世界》,耗时 27 小时 14 分击败末影龙,全程未使用人类编写的游戏专用工具。

一篇发布于Hugging Face Papers的论文提出“市场竞价式后训练”(MPT),让去中心化智能体集群同时学习动作策略与自我编排,在多任务上超过传统单体训练。目前公开信息仅为论文摘要,尚不构成已上线产品。

2026 年 10 月 15 日 Hugging Face Papers 收录的论文摘要提出 CarryOn——一个不改动冻结 VLA 策略的双环外围框架,用持久用户偏好和主动安全监管理解个性化指令,并把机器人从失败中恢复的成功率从 13% 提升到 80%。

alphaXiv 上的一篇论文提出 GracefulRL,让模型在无法可靠完成任务时选择安全回退,而不是硬猜;这关系到 AI 应用在数据库操作、代码生成等高风险场景里是否足够可信。

Hugging Face Papers 收录的论文摘要提出 CoDA 框架,让仿真数据引擎与动作策略通过共享记忆共同进化,在四项操作任务中把分布外成功率从 5.3% 提升到 27.6%。这为机器人训练中“生成什么环境、给什么监督”这一关键问题提供了新解法。

Hugging Face Papers 收录的论文提出 SpecAgent,把工具调用智能体中的强模型从“逐步生成者”改为“草稿审查者”,由弱模型先执行只读操作生成轨迹草稿,强模型用单次并行预填充验证并提交最长有效前缀,从而降低延迟与内存流量。

最新论文提出统一因果训练框架 OneWM,将动作同时作为世界预测的条件和策略学习的目标;在 LIBERO、LIBERO-Plus、RoboCasa365 等具身测试环境及真实实验里,世界建模与动作生成表现出相互提升的效果。

alphaXiv 2026年10月15日展示的论文提出 P³-WAM,用一个共享权重的模型统一处理第一视角灵巧操作的感知、预测与规划,目标是让手部动作和其视觉后果由同一套表示连接起来。

Hugging Face Papers 上发布的一项新基准 FDE-Gym,用 95 个真实客户交付任务测试 13 种模型配置,最佳成绩只解决 14 项。它把 AI 评测从“会做题”推向“能交付”,暴露了前沿部署工程师场景中的真实差距。

Hugging Face Papers 收录的论文摘要提出 Data World,把“先定义文件背后的世界机制、再生成文件”作为数据合成路线,并据此生成了数据智能体训练任务与评测集 DataWorld-Bench。